Vastgoedkopers en -huurders stellen steeds meer voorbereidende vragen aan AI-assistenten voor ze contact opnemen met een makelaar. "Wat zijn de gemiddelde huurprijzen voor kantoren in Gent centrum?" of "Welke documenten heb ik nodig voor een commercieel huurcontract in Belgie?" Dit zijn vragen die een vastgoedkantoor uitstekend kan beantwoorden, maar die het zelden schriftelijk documenteert.
Na vier maanden samenwerking met AISOS verscheen het Gentse vastgoedkantoor systematisch in de antwoorden van ChatGPT en Perplexity op vragen over commercieel vastgoed in de regio. Dit genereerde 19 gekwalificeerde leads waarvan 6 werden omgezet in transacties.
Dit klantverhaal beschrijft hoe een gespecialiseerd vastgoedkantoor AI-zichtbaarheid kan inzetten als aanvulling op zijn bestaande acquisitiekanalen.
De Uitdaging
Het kantoor had een sterke reputatie in de Gentse vastgoedmarkt, maar die reputatie was grotendeels offline: via aanbevelingen, netwerk en fysieke aanwezigheid op lokale bedrijfsevenementen. De digitale aanwezigheid bestond uit een website met actuele aanbiedingen en een korte "over ons"-pagina, maar geen enkel educatief of informatief content dat de expertise van het kantoor documenteerde.
Tegelijkertijd zagen de makelaars dat prospects anders binnenkwamen: beter geïnformeerd, met specifiekere vragen, en soms al overtuigd van een bepaalde locatie of prijsvork. Het was duidelijk dat ze hun huiswerk elders hadden gedaan, en steeds vaker bij AI-tools.
De AI Visibility Score bij aanvang bedroeg 2%: het kantoor was praktisch onbestaand voor LLM's. Op 22 gemeten vragen over commercieel vastgoed in Gent en omstreken werd het slechts eenmaal geciteerd, en dan nog als derde bron in een antwoord van Perplexity.
De AISOS-strategie
AISOS identificeerde drie thematische clusters waar het kantoor gezag kon opbouwen: huurmarkt voor kantoren in de Gentse stadsregio, aankoop van commercieel vastgoed voor KMO's, en juridische en fiscale context van bedrijfsvastgoed in Belgie. Voor elk cluster werden 6 tot 8 prioritaire vragen geidentificeerd op basis van wat AI-gebruikers effectief vroegen.
Per cluster werd een autoriteitsartikel gecreeerd van 1.200-1.500 woorden, met embedded FAQ's in FAQPage-schema. Elke FAQ werd afzonderlijk geoptimaliseerd als antwoord op een specifieke vraag. Aanvullend werd een lokale marktbarometer gelanceerd: een kwartaalpublicatie met actuele huurprijzen per wijk, gebaseerd op de eigen transactiedata van het kantoor. Die data is uniek en niet-repliceerbaaar, wat haar bijzonder waardevol maakt voor LLM's.
De entiteit werd verankerd via Schema.org RealEstateAgent-markup, profielen van de makelaars met hun specialisaties, en aanwezigheid in de lokale bedrijfsgidsen. Meer over de methodologie vindt u op onze pagina AI-zichtbaarheidsadvies voor vastgoed en in de gids over wat AEO is.
De Resultaten
Na vier maanden steeg de AI Visibility Score van 2% naar 21%. Het kantoor werd geciteerd door Perplexity op 15 van de 22 prioritaire vragen, door ChatGPT op 9 vragen. Bij 5 vragen over huurprijzen in Gent stond het kantoor als eerste bron, mede dankzij de unieke data in de kwartaalpublicatie.
Negentien prospects namen contact op via de website of telefoon en gaven aan het kantoor te hebben gevonden via een AI-zoekopdracht. Van die 19 werden 6 omgezet in transacties: 4 huurcontracten en 2 aankopen. De totale commissie-inkomsten uit dit kanaal bedroegen 67.000 euro over de vier maanden.
De kwartaalpublicatie genereerde bovendien 8 vermeldingen in lokale economische media, wat de autoriteit van het kantoor verder versterkte en een vliegwieleffect creëerde: meer vermeldingen betekent meer LLM-citaties, wat meer verkeer genereert, wat meer data oplevert voor de volgende editie van de barometer.
Belangrijkste Succesfactoren
De kwartaalpublicatie met unieke marktdata was de sterkste troef. LLM's citeren bij voorkeur bronnen met data die nergens anders beschikbaar is. Een kantoor dat zijn eigen transactiedata publiceert, bezit een concurrentievoordeel dat geen concurrent kan kopiëren zonder hetzelfde te doen. Dat is de definitie van een duurzame positie in AI-antwoorden.
De combinatie van lokale specificiteit en juridische expertise was het tweede differentiërende element. Vragen over vastgoed zijn bijna altijd lokaal en contextueel. Een LLM prefereert een bron die exact over "kantoorhuur Gent Noord" spreekt boven een nationale speler die algemene informatie biedt. Lokale specialisten hebben een structureel voordeel in lokale AI-zichtbaarheid.
Ten slotte: de berekeningslogica van ROI van AI-zichtbaarheid was bij dit kantoor bijzonder helder. Met een gemiddelde commissie van 11.000 euro per transactie hoefde slechts één deal via AI te worden afgesloten om de investering terug te verdienen. Dat maakte de beslissing om te investeren eenvoudig.
Geleerde Lessen
Vastgoedkantoren zitten op een schat aan data die ze zelden publiceren: transactieprijzen, bezettingsgraden, evoluerend huurprijsniveau per wijk. Die data is goud voor AI-zichtbaarheid. Een kantoor dat zijn eigen data systematisch publiceert, bouwt een autoriteit op die onmogelijk te bereiken is via generieke content.
De tweede les betreft het geduld dat nodig is voor entiteitsopbouw. Het duurt langer om erkend te worden als lokale autoriteit dan om een pagina te ranken in Google. Maar eenmaal verankerd in de LLM-entiteitsgrafiek, is de positie stabieler en minder gevoelig voor algoritmische wijzigingen dan klassieke SEO-rankings.
Ten slotte: vergeet de juridische en fiscale contentvraag niet. Vastgoedtransacties gaan altijd gepaard met juridische en fiscale vragen. Een kantoor dat ook die vragen beantwoordt, verschijnt op een breder spectrum van AI-zoekopdrachten en positioneert zich als een volwaardige partner in het aankoopproces. Wilt u uw vastgoedkantoor zichtbaar maken voor AI-zoekers? Neem contact op met AISOS.